BAB II TINJAUAN PUSTAKA

2.1 Analisis Jalur

2.1.1 Sejarah Analisis Jalur

Path Analysis atau analisis jalur dikembangkan oleh Sewal Wright tahun

1934. Bohrnstedt mengartikan analisis jalur sebagai a technique for estimating

the effects a set of independent variables has on a dependent variable from a set

of observed correlations, given a set of hypothesized causal asymetric relatin

among the variables (Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk,

2013).

Analisis jalur ini merupakan perluasan atau kepanjangan dari regresi

berganda yang digunakan untuk menaksir hubungan kausalitas (sebab-akibat)

antar variabel yang telah ditetapkan sebelumnya, serta menguji besarnya

sumbangan atau kontribusi masing-masing variabel eksogen terhadap variabel

endogen (Ghozali 2006, Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk,

2013).

Dalam pengujian hubungan kausal tersebut yang didasarkan pada teori

yang memang menyatakan bahwa variabel yang dikaji memiliki hubungan secara

kausal. Analisis jalur bukan ditujukan untuk menurunkan teori kausal, melainkan

dalam penggunaannya harus didasarkan pada teori yang menyatakan bahwa

hubungan antar variabel tersebut bersifat kausal. Dengan demikian, kuat lemahnya

teori yang digunakan dalam menggambarkan hubungan kausal tersebut

menentukan dalam penyusunan diagram jalur dan mempengaruhi hasil dari

analisis serta pengimplementasian secara keilmuan (Widiyanto, 2013).

2.1.2 Pengertian Analisis Jalur

Menurut Pedhazur dalam Kerlinger (1983) dikutip oleh Widiyanto (2013),

analisis jalur merupakan suatu bentuk terapan dari analisis multiregresi. Dalam

analisis ini digunakan diagram jalur untuk membantu konseptualisasi masalah

atau menguji hipotesis yang kompleks dan juga untuk mengetahui pengaruh

langsung dan tidak langsung dari variabel-variabel bebas terhadap variabel terikat.

Analisis jalur ialah suatu tehnik untuk menganalisis hubungan sebab akibat

yang terjadi pada regresi berganda jika variabel bebasnya mempengaruhi variabel

tergantung tidak hanya secara langsung, tetapi juga secara tidak langsung (Robert

D. Rutherford 1993 dikutip oleh Sarwono, 2007).

Defenisi lain mengatakan Analisis jalur merupakan pengembangan

langsung bentuk regresi berganda dengan tujuan untuk memberikan estimasi

tingkat kepentingan (magnitude) dan signifikasi (significance) hubungan sebab

akibat hipotetikal dalam seperangkat variabel (Paul Webley 1997 dikutip oleh

Sarwono, 2007).

David Garson dari North Carolina State University mendefenisikan

analisis jalur sebagai model perluasan regresi yang digunakan untuk menguji

keselarasan matriks korelasi dengan dua atau lebih model hubungan sebab akibat

yang dibandingkan oleh peneliti. Modelnya digambarkan dalam bentuk gambar

lingkaran dan panah dimana anak panah tunggal menunjukkan sebagai penyebab.

Regresi dikenakan pada masing-masing variabel dalam suatu model sebagai

variabel tergantung (pemberi respons) sedang yang lain sebagai penyebab.

Pembobotan regresi diprediksikan dalam suatu model yang dibandingkan dengan

matriks korelasi yang diobservasi untuk semua variabel dan dilakukan juga

penghitungan uji keselarasan statistik (David Garson 2003 dikutip oleh Sarwono,

2007).

2.1.3 Manfaat Analisis Jalur

Menurut Saparina (2013), ada beberapa manfaat analisis jalur diantaranya

adalah:

1. Sebagai penjelas terhadap fenomena yang dipelajari atau permasalahan yang

diteliti.

2. Untuk prediksi nilai variabel endogenous (Y) berdasarkan nilai variabel

eksogenous (X).

3. Sebagai faktor determinan yaitu penentuan variabel eksogenous (X) mana

yang berpengaruh dominan terhadap variabel endogenous (Y), juga untuk

menelusuri mekanisme (jalur-jalur) pengaruh variabel eksogenous (X)

terhadap variabel endogenous (Y).

4. Pengujian model, menggunakan theory triming, baik untuk uji reabilitas

konsep yang sudah ada ataupun uji pengembang konsep baru.

2.1.4 Asumsi dalam Analisis Jalur

Asumsi yang melandasi analisis jalur diantaranya adalah (Solimun 2002,

Riduan dan Kuncoro 2011 dikutip oleh Sunjoyo dkk, 2013):

1. Hubungan antar variabel haruslah linear dan aditif.

2. Ukuran sampel yang memadai sebaiknya diatas 100.

3. Pola hubungan antara variabel adalah rekursif (satu arah).

4. Data berskala interval.

2.1.5 Istilah-istilah dasar dalam Analisis Jalur

Menurut Sarwono (2007), ada beberapa istilah yang digunakan dalam

analisis jalur yaitu sebagai berikut:

1. Model Jalur

Adalah suatu diagram yang menghubungkan antara variabel bebas, perantara

dan tergantung. Pola hubungannya menggunakan anak panah. Anak panah

tunggal menunjukkan hubungan sebab-akibat antara variabel exogenous

dengan satu variabel tergantung atau lebih. Anak panah-anak panah juga

menghubungkan kesalahan (variabel residue) dengan semua variabel

endogenous masing-masing. Anak panah ganda menunjukkan korelasi antara

pasangan variabel-variabel exogenous.

2. Jalur penyebab untuk suatu variabel yang diberikan

Meliputi pertama, jalur-jalur arah dari anak panah menuju ke variabel tersebut

dan kedua, jalur-jalur korelasi dari semua variabel endogenous yang

dikorelasikan dengan variabel-variabel lain yang mempunyai anak panah-

anak panah menuju ke variabel yang sudah ada tersebut.

3. Variabel exogenous

Adalah semua variabel yang tidak ada penyebabpenyebab eksplisitnya atau

dalam diagram tidak ada anak-anak panah yang menuju ke arahnya, selain

pada bagian kesalahan pengukuran. Jika antara variabel ini dikorelasikan

maka korelasi ditunjukkan dengan anak panah berkepala dua yang

menghubungkan variabel-variabel tersebut. Variabel ini disebut pula

independen variabel.

4. Variabel endogenous

Adalah variabel yang mempunyai anak panah-anak panah menuju ke arahnya.

Variabel yang termasuk di dalamnya mencakup semua variabel perantara dan

tergantung. Variabel perantara endogenous mempunyai anak panah yang

menuju ke arahnya dan dari arah variabel tersebut dalam suatu model.

Adapun variabel tergantung hanya mempunyai anak panah yang menuju ke

arahnya. Variabel ini disebut pula dependen variabel.

5. Koefisien jalur atau pembobotan jalur

Adalah koefisien regresi standar atau disebut beta yang menunjukkan

pengaruh langsung dari suatu variabel bebas terhadap variabel tergantung

dalam suatu model tertentu.

6. Variabel-variabel exogenous yang dikorelasikan

Jika semua variabel exogenous dikorelasikan maka sebagai penanda

hubungannya ialah anak panah dengan dua kepala yang dihubungkan di

antara variabel-variabel dengan koefisien korelasinya.

7. Istilah gangguan

Gangguan atau residue mencerminkan adanya varian yang tidak dapat

diterangkan atau pengaruh dari semua variabel yang tidak terukur ditambah

dengan kesalahan pengukuran.

8. Dekomposisi pengaruh

Koefisien-koefisien jalur dapat digunakan untuk mengurai korelasi-korelasi

dalam suatu model ke dalam pengaruh langsung dan tidak langsung yang

berhubungan dengan jalur langsung dan tidak langsung yang direfleksikan

dengan anak panah-anak panah dalam suatu model tertentu.

9. Model Recursive

Model penyebab mempunyai satu arah dan tidak ada pengaruh sebab akibat

(reciprocal). Dalam model ini, satu variabel tidak dapat berfungsi sebagai

penyebab dan akibat dalam waktu yang bersamaan.

10. Model Non-Recursive

Model penyebab mempunyai arah yang membalik (feed back loop) dan ada

pengaruh sebab akibat (reciprocal).

2.1.6 Model Analisis Jalur

Beberapa istilah dan defenisi dalam analisis jalur. (1) Dalam Analisis

Jalur, kita hanya menggunakan sebuah lambung variabel, yaitu X. Untuk

membedakan X yang satu dengan X yang lainnya, kita menggunakan subscript

(indeks). Contoh: X1, X2, X3, ..... , Xk. (2) Kita membedakan dua jenis variabel,

yaitu variabel variabel yang menjadi pengaruh (exogenous variable), dan variabel

yang dipengaruhi (endogenous variable). (3) Lambang hubungan langsung dari

eksogen ke endogen adalah panah bermata satu, yang bersifat recursive atau arah

hubungan yang tidak berbalik/satu arah. (4) Diagram jalur merupakan diagram

atau gambar yang mensyaratkan hubungan terstruktur antar variabel (Harun Al

Rasyid, 2005).

Ada beberapa model yang dapat digunakan,mulai dari yang paling

sederhana sampai dengan yang lebih rumit, diantaranya:

a. Analisis Jalur Model Trimming

Model Trimming adalah model yang digunakan untuk memperbaiki suatu

model struktur analisis jalur dengan cara mengeluarkan dari model variabel

eksogen yang koefisien jalur diuji secara keseluruhan apabila ternyata ada

variabel yang tidak signifikan. Walaupun ada satu, dua, atau lebih variabel

yang tidak signifikan, perlu memperbaiki model struktur analisis jalur yang

telah dihipotesiskan.

b. Analisis Jalur Model Dekomposisi

Model dekomposisi adalah model yang menekankan pada pengaruh yang

bersifat kausalitas antar variabel, baik pengaruh langsung ataupun tidak

langsung dalam kerangka analisis jalur, sedangkan hubungan yang sifatnya

nonkausalitas atau hubungan korelasional yang terjadi antar variabel eksogen

tidak termasuk dalam perhitungan ini.

Perhitungan menggunakan analisis jalur dengan menggunakan model

dekomposisi pengaruh kausal antar variabel dapat dibedakan menjadi tiga

yaitu:

1. Direct causal effects (Pengaruh Kausal Langsung) adalah pengaruh satu

variabel eksogen terhadap variabel endogen yang terjadi tanpa melalui

variabel endogen lain.

2. Indirect causal effects (Pengaruh Kausal Tidak Langsung) adalah

pengaruh satu variabel eksogen terhadap variabel endogen yang terjadi

melalui variabel endogen lain terdapat dalam satu model kausalitas yang

sedang dianalisis.

3. Total causal effects (Pengaruh Kausal Total) adalah jumlah dari pengaruh

kausal langsung dan pengaruh kausal tidak langsung.

c. Model Regresi Berganda

Model ini merupakan pengembangan regresi berganda dengan menggunakan

dua variabel exogenous, yaitu X1 dan X2 dengan satu variabel endogenous Y.

Model ini digambarkan sebagai berikut:

Gambar 2.1 Model Regresi Berganda

d. Model Mediasi

Model mediasi atau perantara ialah di mana variabel Y memodifikasi

pengaruh variabel X terhadap variabel Z. Model ini digambarkan sebagai

berikut:

X1

Y

X2

Gambar 2.2 Model Mediasi

e. Model Kombinasi Regresi Berganda dan Mediasi

Model ini merupakan kombinasi antara model pertama dan kedua, yaitu

variabel X berpengaruh terhadap variabel Z secara langsung dan secara tidak

langsung mempengaruhi variabel Z melalui variabel Y. Model digambarkan

sebagai berikut:

Gambar 2.3 Model Kombinasi

f. Model Kompleks

Model ini merupakan model yang lebih kompleks, yaitu variabel X1 secara

langsung mempengaruhi Y2 dan melalui variabel X2 secara tidak langsung

mempengaruhi Y2, sementara variabel Y2 juga dipengaruhi oleh variabel Y1.

Model digambarkan sebagai berikut :

X Z

Y

X

Z

Y

Gambar 2.4 Model Kompleks

g. Model Rekursif dan Non Rekursif

Model rekursif adalah jika semua anak panah menuju anak panah seperti

gambar di bawah ini :

P41

P31

P43

r21 P21

P32

P42

e2 e3 e4

Gambar 2.5 Model Rekursif

Model ini dapat diterangkan sebagai berikut:

1. Anak panah menuju satu arah, yaitu dari 1 ke 2, 3 dan 4; dari 2 ke 3 dan dari

3 menuju 4. Tidak ada arah yang terbalik misalnyadari 4 ke 1.

X1 X2

Y2 Y1

1

4 3

2

2. Hanya terdapat satu variabel exogenous, yaitu 1 dan 3 variabel endogenous

yaitu 2, 3 dan 4. Masing-masing variabel endogenous diterangkan oleh

variabel 1 dan error (e2, e3 dan e4)

3. Satu variabel endogenous dapat menjadi penyebab variabel endogenous

lainnya, tetapi bukan ke variabel exogenous.

Model non rekursif terjadi jika arah anak panah tidak searah atau terjadi

arah yang berbalik, misalnya dari 4 ke 3 atau dari 3 ke 1 dan 2, atau bersifat sebab

akibat. Pada bagian berikut untuk mempermudah kita dalam memahami analisis

jalur, maka kita bisa menggunakan model-model jalur berikut:

1. Model Persamaan Satu Jalur

Model Persamaan satu jalur merupakan hubungan sebenarnya sama dengan

regresi berganda, yaitu variabel bebas terdiri dari satu variabel dan variabel

tergantungnya hanya satu.

2. Model Persamaan Dua Jalur

Model ini terdiri dari tiga variabel bebas dan mempunyai dua variabel

tergantung.

3. Model Persamaan Tiga Jalur

Model ini terdiri dari tiga variabel bebas, salah satu variabel bebas menjadi

variabel perantara dan mempunyai dua variabel tergantung.

2.1.7 Keuntungan dan Kelemahan Analisis Jalur

Menurut Sarwono (2012), keuntungan menggunakan analisis jalur

diantaranya :

1. Kemampuan menguji model keseluruhan dan parameter-parameter individual.

2. Kemampuan pemodelan beberapa variabel mediator/perantara.

3. Kemampuan mengestimasi dengan menggunakan persamaan yang dapat

melihat semua kemungkinan hubungan sebab akibat pada semua variabel

dalam model.

4. Kemampuan melakukan dekomposisi korelasi menjadi hubungan yang bersifat

sebab akibat (causal relation), seperti pengaruh langsung (direct effect) dan

pengaruh tidak langsung (indirect effect) dan bukan sebab akibat (non-causal

association), seperti komponen semu (spurious).

Kelemahan menggunakan analisis jalur diantaranya :

1. Tidak dapat mengurangi dampak kesalahan pengukuran.

2. Analisis jalur hanya mempunyai variabel-variabel yang dapat diobservasi

secara langsung.

3. Analisis jalur tidak mempunyai indikator-indikator suatu variabel laten.

4. Karena analisis jalur merupakan perpanjangan regresi linier berganda, maka

semua asumsi dalam rumus ini harus diikuti.

5. Sebab akibat dalam model hanya bersifat searah (one direction), tidak boleh

bersifat timbal balik (reciprocal).

2.1.8 Perbedaan Analisis Jalur dan Regresi

Menurut Saparina (2013), ada beberapa perbedaan model analisis jalur dan

regresi yaitu:

Tabel 2.1 Perbedaan Analisis Jalur dan Regresi

Penjelasan Model Analisis

Regresi Path (Jalur)

Variabel Bebas (X), Terikat (Y) Eksogen (X), Endogen (Y), Intervening

bila ada

Kegunaan 1. Penjelasan terhadap

fenomena yang

dipelajari atau

permasalahan yang

diteliti.

2. Prediksi kuantitatif.

3. Faktor diterminan

yaitu penentuan

variable bebas (X)

yang berpengaruh

dominan terhadap

variable terikat (Y).

1. Penjelasan terhadap fenomena yang

dipelajari atau permasalahan yang

diteliti.

2. Prediksi kuantitatif.

3. Faktor diterminan yaitu penentuan

variable bebas (X) yang berpengaruh

dominan terhadap variable terikat (Y).

4. Penelusuran mekanisme (lintasan)

pengaruh.

5. Pengujian model, menggunakan teori

trimming, baik untuk uji reabilitas

konsep yang sudah ada ataupun uji

pengembangan konsep baru.

Hubungan

yang

dianalisis

Bersifat tunggal Tunggal atau ganda

Jenis data

yang

dianalisis

Skala interval dan ratio Minimal skala interval dan data

dinyatakan dalam satuan baku atau z skor

Prinsip 1. Hubungan antar

variabel berpola linear,

bersifat normal.

2. Sistem aliran kausal

satu arah.

3. Sampel random

4. Model dianalisis

berdasarkan teori-teori

yang relevan.

1. Hubungan antar variabel berpola

linear, bersifat normal.

2. Sistem aliran kausal satu arah.

3. Sampel random

4. Model dianalisis berdasarkan teori-

teori yang relevan

5. Variabel terikat/endogen (Y) minimal

dalam skala ukur interval dan rasio.

2.2 Pengetahuan

Pengetahuan adalah sejumlah informasi yang dikumpulkan yang dipahami

dan pengenalan terhadap sesuatu hal atau benda-benda secara obyektif.

Pengetahuan juga berasal dari pengalaman tertentu yang pernah dialami dan yang

diperoleh dari hasil belajar secara formal, informal dan non formal (Mangindaan

1996 dalam Toruntju 2005). Menurut Sarwono (1997) dalam Toruntju (2005)

pengetahuan lebih bersifat pengenalan terhadap sesuatu benda atau hal secara

obyektif.

Pengetahuan atau kognitif seseorang adalah hasil tahu yang terjadi setelah

seseorang melakukan penginderaan terhadap suatu objek tertentu yang sebagian

besar diperoleh melalui indera penglihatan dan pendengaran. Pengetahuan ini

merupakan bagian yang penting dalam membentuk motivasi kemudian menjadi

suatu sikap. Oleh karena itu dapat dikatakan bahwa pengetahuan seseorang

tentang Pemeriksaan IVA adalah pemahaman responden mengenai pemeriksaan

IVA setelah melakukan berbagai penginderaan terhadap sejumlah obyek yang

berkaitan dengan Pemeriksaan IVA.

Menurut Notoatmodjo (2003), terdapat 6 tingkatan pengetahuan yang

tercakup dalam domain kognitif yaitu:

1. Tahu (know)

Tahu diartikan mengingat suatu materi yang telah dipelajari sebelumnya. Tahu

merupakan tingkat pengetahuan yang paling rendah dengan menggunakan kata

kerja menyebutkan, menguraikan, mendefenisikan, menyatakan dan

sebagainya.

2. Memahami (comprehension)

Memahami diartikan suatu kemampuan untuk menjelaskan secara benar

tentang objek yang diketahui, dan menginterpretasikan materi tersebut secara

benar sehingga dapat menjelaskan, menyebutkan contoh, menyimpulkan,

meramalkan dan sebagainya.

3. Aplikasi (aplication)

Aplikasi diartikan kemampuan untuk menggunakan materi yang telah

dipelajari pada kondisi sebenarnya mencakup penggunaan hukum-hukum,

rumus, metode, prinsip dan sebagainya.

4. Analisis (analysis)

Analisis adalah suatu kemampuan untuk menjabarkan materi atau suatu objek

ke dalam komponen-komponen, namun masih dalam suatu struktur dan masih

ada kaitannya. Analisis menggunakan kata kerja dapat menggambarkan

(membuat bagan), membedakan, memisahkan, mengelompokkan dan

sebagainya.

5. Sintesis (synthesis)

Sintesis adalah suatu kemampuan untuk menyusun formulasi baru dari

formulasi-formulasi yang ada dengan kata kerja dapat menyusun, dapat

merencanakan, dapat meringkaskan, dapat menyesuaikan dan sebagainya.

6. Evaluasi (evaluation)

Evaluasi diartikan kemampuan untuk melakukan justifikasi atau penilaian

terhadap suatu materi atau objek yang didasarkan pada kriteria yang ditentukan

sendiri atau kriteria-kriteria yang telah ada.

2.3 Motivasi

Motivasi secara umum mengacu pada adanya kekuatan dorongan yang

menggerakkan kita untuk berperilaku tertentu. Maka dari itu, dalam mempelajari

motivasi kita akan berhubungan dengan hasrat, keinginan, dorongan dan tujuan

(Notoatmodjo, 2005).

Motivasi seseorang untuk melakukan Pemeriksaan IVA adalah daya upaya

yang mendorong seseorang untuk melakukan Pemeriksaan IVA. Motif dapat

dikatakan sebagai daya penggerak dari dalam sehingga mengarahkan Wanita Usia

Subur (WUS) untuk mau melakukan Pemeriksaan IVA sebagai usaha untuk

mendeteksi Kanker Serviks secara dini.

Menurut Notoatmodjo (2005), ada beberapa pendekatan dalam

mempelajari motivasi yaitu:

a. Pendekatan Instink

Instink adalah pola perilaku yang kita bawa sejak lahir yang secara biologis

diturunkan, sehingga pada awalnya motivasi dipelajari dengan mempelajari

instink.

b. Pendekatan Pemuasan Kebutuhan (Drive-Redution)

Teori ini menjelaskan motivasi dalam suatu gerak sirkuler. Teori ini

merupakan teori yang berusaha menjelaskan apa yang menarik seseorang untuk

berperilaku atau disebut push theory guna mencapai tujuannya sehingga

tercapailah keseimbangan.

c. Pendekatan Insentif

Insentif merupakan stimulus yang menarik seseorang untuk melakukan sesuatu

karena dengan melakukan perilaku tersebut, maka kita akan mendapat imbalan.

Dalam hal ini, insentif adalah tujuan yang ingin dicapai.

d. Pendekatan Arousal

Pendekatan ini mencari jawaban atas tingkah laku di mana tujuan dari perilaku

uni adalah untuk memelihara atau meningkatkan rasa ketegangan. Teori ini

disebut dengan oponen-proses.

e. Pendekatan Kognitif

Menurut Feldman (2003), pendekatan kognitif ini menjelaskan bahwa motivasi

merupakan produk dari pikiran, harapan dan tujuan seseorang. Dalam

pendekatan ini dibedakan atas motif intrinsik (dari dalam diri) yang akan

mendorong untuk melakukan aktivitas guna memenuhi kesenangan sedangkan

motif ekstrinsik (dari luar diri) mendorong seseorang berperilaku tertentu

karena ingin mendapatkan pujian.

Menurut Notoatmodjo (2010), ada 2 aliran teori motivasi yaitu:

1. Content Theory

Merupakan teori-teori yang mengajukan cara untuk menganalisis kebutuhan

yang mendorong seseorang untuk bertingkah laku tertentu, salah satu teori

kebutuhan yang terkenal adalah teori kebutuhan berhierarki dari Maslow.

2. Process Theory

Merupakan teori-teori yang berusaha memahami proses berpikir yang ada yang

dapat mendorong seseorang untuk berperilaku tertentu, salah satu teori ini

adalah teori harapan (expectancy theory).

2.4 Sikap

Menurut Thurstone (2000) yang dikutip Azwar (2003), sikap adalah

derajat afek positif atau afek negatif yang dikaitkan dengan suatu obyek

psikologis. Sikap adalah keadaan mental dan syaraf dari kesiapan, yang diatur

melalui pengalaman yang memberikan pengaruh dinamik atau terarah terhadap

respon individu pada semua obyek dan situasi yang berkaitan dengannya. Dari

sini sikap dapat digambarkan sebagai kecenderungan subyek merespon suka atau

tidak suka terhadap suatu obyek. Dalam bahasan ini yang berperan sebagai subyek

yaitu Wanita Usia Subur (WUS) dan obyek yaitu pemeriksaan IVA.

Walgio (2001) mengemukakan ciri-ciri sikap yaitu: tidak dibawa sejak

lahir, selalu berhubungan dengan obyek sikap, dapat tertuju pada satu obyek saja

maupun tertuju pada sekumpulan obyek-obyek, dapat berlangsung lama atau

sebentar dan mengandung faktor perasaan dan motivasi.

Ketika kita memaknai sikap sebagai kecenderungan berperilaku dan

motivasi adalah dorongan (kemauan willingness) untuk berperilaku, tampak

jelas bahwa kedua konsep tersebut berhubungan sangat erat dengan perilaku

(behavior). Sikap seseorang yang negatif atau positif terhadap sesuatu

(objek/subjek) dapat diinterpretasikan secara kuat bahwa seseorang tersebut mau

(termotivasi) atau tidak mau (tidak termotivasi) melakukan sesuatu terhadap objek

atau subjek tertentu tadi (Mustafa, 2009).

Menurut Notoatmodjo (2007), sikap terdiri dari berbagai tingkatan yakni:

1. Menerima (receiving)

Menerima diartikan bahwa orang (subjek) mau dan memperhatikan stimulus

yang diberikan (objek).

2. Merespon (responding)

Memberikan jawaban apabila ditanya, mengerjakan dan menyelesaikan tugas

yang diberikan adalah suatu indikasi dari sikap merespons.

3. Menghargai (valving)

Mengajak orang lain untuk mengerjakan atau mendiskusikan suatu masalah

adalah suatu indikasi sikap tingkat tiga.

4. Bertanggung jawab (responsible)

Bertanggung jawab atas segala sesuatu yang telah dipilihnya dengan segala

risiko merupakan sikap yang paling tinggi.

2.5 Amos

2.5.1 Pengenalan Amos

Menurut Sarwono (2012), Amos merupakan singkatan dari Analisis of

Moment Structures yang digunakan sebagai pendekatan umum analisis data dalam

model sebab akibat (causal modeling). Amos dikembangkan oleh Arbuckle pada

tahun 1994. Amos semula merupakan perangkat lunak komputasi statistic yang

mandiri namun dalam perkembangannya saat ini Amos diambil alih oleh SPSS

sehingga versi-versinya mengikuti perkembangan SPSS.

2.5.2 Keunggulan Amos

1. Perhitungan yang rumit akan jauh lebih mudah dilakukan dibandingkan dengan

menggunakan perangkat lunak lainnya

2. Penggunaan Amos akan mempercepat dalam membuat spesifikasi, melihat

serta melakukan modifikasi model secara grafik dengan menggunakan tool

yang sederhana.

3. Proses perhitungan dan analisis menjadi lebih sederhana bahkan orang-orang

awam yang bukan ahli statistik akan dapat menggunakan dan memahami

dengan mudah.

Adapun keunggulan lain yang dimiliki Amos bila dibandingkan dengan

perangkat lunak lainnya yaitu sebagai berikut:

a. Program dapat melakukan analisis dengan menggunakan data yang berasal dari

beberapa populasi secara sekaligus.

b. Dapat menangani missing data secara baik, yaitu dengan membuat estimasi

yang didasarkan pada informasi maximum likelihood yang sempurna dan tidak

hanya bersandar pada metode yang sudah ada, yaitu listwise, pairwise deletion,

atau mean imputation.

c. Dapat membuat estimasi rata-rata untuk variabel-variabel exogenous dan

intercepts dalam persamaan regresi.

d. Amos dapat juga membuat bootstrapped standard errors dan confidence

intervals yang ada dalam semua estimasi parameter, rata-rata sampel, varian,

kovarian dan korelasi.

e. Dapat membuat percentile intervals dan bias-corrected percentile intervals.

f. Model-model jamak dapat disesuaikan dengan menggunakan analisis tunggal.

g. Dapat melakukan pemeriksaan setiap pasangan model dimana satu model

diperoleh dengan membatasi parameter-parameter model lainnya.

h. Dapat membuat laporan beberapa angka statistik yang cocok untuk dilakukan

perbandingan untuk model-model tersebut.

i. Amos juga menyediakan pengujian normalitas univariat untuk masing-masing

variabel yang diobservasi dan juga pengujian normalitas multivariat serta dapat

mendeteksi outliers.

j. Amos dapat memahami diagram jalur sebagai spesifikasi model dan

memperlihatkan estimasi-estimasi parameter secara grafis dalam model

diagram jalur. Diagram-diagram jalur digunakan sebagai spesifikasi model dan

gambar-gambar digram jalur tersebut dapat diimpor ke program Word.

2.5.3 Metode dalam Amos

Metode-metode analisis dalam Amos yang ada saat ini diantaranya adalah:

1. Maximum Likelihood

2. Unweighted Least Square

3. Generalized Least Square

4. Brownes Asymptotically Distribution Free Criterion

5. Scale Free Least Square

2.5.4 Menu Utama Amos

Menurut Mustafa dan Wijaya (2012), pada bagian atas terdapat menu

utama AMOS yang terdiri dari menu File, Edit, View, Diagram, Analyze, Tools,

Plugins, dan Help.

Setiap menu terdiri dari beberapa submenu:

1. Menu File

Terdiri dari beberapa submenu yaitu submenu untuk membuat File baru (New,

New with Template), membuka File yang sudah ada (Open, Retrieve Backup),

menyimpan File (Save, Save as, Save as Template), membuka File Data ( Data

Files), mencetak (Print), menelusuri atau browsing diagram path yang sudah

ada atau tersimpan (Browse Path Diagrams). File Manager yang dapat

digunakan untuk melihat jenis dan nama-nama file yang sudah ada, termasuk

juga untuk membuka dan menghapus file tersebut dan submenu untuk keluar

dari Amos (Exit).

2. Menu Edit

Terdiri dari beberapa submenu yang berguna untuk proses editing dengan

fungsi utama mengopi gambar pada layar kerja (Copy to Clipboard),

menghubungkan dengan data lain (Link), memindakan gambar (Move),

merefleksikan indikator (Reflect), merotasi indikator (Rotate) dan menggeser

(Drag) satu objek ke objek lainnya. Lebih lanjut akan dijelaskan dalam bagian

penjelasan Toolbox yang lebih mempermudah pengoperasian Amos.

3. Menu View

Submenu yang ada dalam menu View banyak digunakan dalam proses analisis

dan permodelan.

4. Menu Diagram

Terdiri dari beberapa submenu yang digunakan untuk membuat atau

menggambarkan model atau diagram yang akan dianalisis.

5. Menu Analyze

Terdiri dari beberapa submenu yang digunakan untuk memberikan perintah

menjalankan analisis.

6. Menu Tools

Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam

mendukung proses pengolahan data dan tampilan seperti memberi kode,

memilih karakter huruf.

7. Menu Plugins

Terdiri dari beberapa submenu yang digunakan sebagai perlengkapan dalam

melakukan analisis atau pembuatan model yang akan dianalisis seperti

menggambar kovarian, menamakan parameter dan sebagainya.

8. Menu Help

Terdiri dari beberapa submenu yang dapat dimanfaatkan untuk membantu

memberi penjelasan apabila terdapat masalah dalam pengoperasian Amos serta

dapat dihubungkan dengan jaringan internet atau web.

2.5.5 Uji Kesesuaian dan Uji Statistik

a. 2 Chi Square Statistic

Semakin kecil nilai 2 semakin baik model itu dan diterima berdasarkan

probabilitas dengan cut-off value sebesar p > 0,05 atau p > 0,10.

b. RMSEA (The Root Mean Square Error of Approximation)

Merupakan suatu indeks yang digunakan untuk mengkonpensasi chi-

square dalam sampel yang besar.

c. GFI (Goodness of Fit Index)

Merupakan ukuran non-statistical yang mempunyai rentang nilai antara 0

sampai dengan 1. Nilai yang tinggi dalam indeks ini menunjukkan sebuah better

fit.

d. AGFI (Adjusted Godness of Fit Index)

Merupakan kriteria yang memperhitungkan proporsi tertimbang dari

varian dalam sebuah matrik kovarian sampel.

e. CMIN/DF (The Minimum Sample Discrepancy Functin Devided with degree of

Freedom)

Merupakan statistic chi-square 2 dibagi degree of freedom-nya sehingga

disebut 2 relative.

f. TLI (Tucker Lewis Index)

Merupakan incremental index yang membandingkan sebuah model yang

diuji terhadap sebuah baseline model.

g. CFI (Comparative Fit Index)

Rentang nilai sebesar 0 1 dimana semakin mendekati 1, semakin

mengindikasikan tingkat fit yang paling tinggi.

Goodness of Fit Index Cut off Value

2 -Chi Square Diharapkan Kecil

Significance Probability 0,05

RMSEA 0,08

GFI 0,90

AGFI 0,90

CMIN/DF 2,00

TLI 0,95

CFI 0,95

2.6 Aplikasi Lisrel

2.6.1 Pengenalan Lisrel

Menurut Chaniago (2008), lisrel merupakan singkatan dari Linear

Structural Relationship juga merupakan program yang banyak digunakan untuk

causal modeling. Hal ini disebabkan selain kemampuan Lisrel dalam

mengestimasi berbagai masalah dalam model sebab akibat, tampilan Lisrel juga

paling informatif dalam menyajikan hasil-hasil statistik.

Lisrel adalah sebuah software yang dikembangkan khusus untuk

menangani permasalahan causal modeling. Lisrel dikembangkan oleh dua orang

ahli psikologi pendidikan yaitu Prof. Karl Joreskog dan Prof. Dag Sorbom pada

tahun 1993 (Hisyam, 2009).

2.6.2 Pembagian Lisrel

Setiap file dalam Lisrel mengandung 4 bagian, yaitu:

1. Title: Judul

2. Data Specification: Spesifikasi Data

3. Model Specification: Spesifikasi Model

4. Output Specification: Spesifikasi Keluaran

Untuk menggunakan Lisrel dengan baik, user harus mengetahui bahasa

yang digunakan sebagai input. Ada dua bahasa yang dapat digunakan dalam Lisrel

sebagai input yaitu bahasa Lisrel dan bahasa Simplis. Kedua jenis bahasa tersebut

memiliki hasil yang relatif sama, namun dengan Lisrel pemodelan dapat dilakukan

dengan hati-hati karena semua matrik yang akan diestimasi dipersiapkan terlebih

dahulu.

Untuk memudahkan aplikasi Lisrel, evaluasi serta menjaga kehati-hatian,

sebelum menjalankan Lisrel sebaiknya dipersiapkan terlebih dahulu diagram jalur

dan matrik yang dibutuhkan.

2.6.3 Uji Kesesuaian dan Uji Statistik

Menurut Schumaker dan Lomax, 1996: 124 126) untuk mengetahui

apakah model cocok dengan data digunakan kriteria sebagai berikut:

a. >P model cocok dengan data

Menurut Joreskog (dalam Ghozali, 2008: 32), bila nilai P-values for test of

close fit (RMSEA < 0,05) lebih besar daripada 0,05 maka model dikatakan fit.

b. GFI (Goodness of Fit Index)

Goodness of Fit Index (GFI) merupakan suatu ukuran mengenai ketepatan

model dalam menghasilkan observed matriks kovariansi. Nilai GFI harus berkisar

antara 0 dan 1. Nilai GFI yang lebih besar daripada 0,9 menunjukkan fit suatu

model yang baik.

c. RMSEA (Root Mean Square Error of Approximation)

Makin kecil kecocokan model dengan data makin baik. Nilai RMSEA

yang kurang daripada 0,05 mengindikasikan adanya model fit ( Byrne dalam

Ghozali, 2008: 32). RMSEA digunakan untuk mengukur penyimpangan nilai

parameter pada suatu model dengan matriks kovarians ( Brown dan Cudec dalam

Ghozali, 2008: 31). Nilai RMSEA yang berkisar antara 0,01 sampai dengan 0,08

menyatakan bahwa model fit yang cukup (MacCallum et all dalam Ghozali, 2008:

32).

2.7 Tes IVA (Inspeksi Visual Asam Asetat)

2.7.1 Sejarah Tes IVA

Beberapa negara maju telah berhasil menekan jumlah kasus kanker

serviks, baik jumlah maupun stadiumnya. Pencapaian tersebut terutama berkat

adanya program skrining massal antara lain dengan Tes Pap. Pemeriksaan IVA

diperkenalkan oleh Hinselman pada tahun 1925. Organisasi Kesehatan Dunia

WHO meneliti IVA di India, Muangthai, dan Zimbabwe. Ternyata efektivitasnya

tidak lebih rendah daripada tes Pap. Namun di Indonesia kebijakan penerapan

program skrining kanker serviks kiranya masih tersangkut dengan banyak

kendala, antara lain luasnya wilayah dan juga kurangnya sumber daya manusia

sebagai pelaku skrining, khususnya kurangnya tenaga ahli patologi

anatomik/sistologi dan stafnya, teknisi sitologi/skriner. Pengobatan kanker serviks

pada stadium lebih dini, hasilnya lebih baik dan mortalitas akan menurun. Hingga

sekarang IVA sedang dikembangkan dengan melatih tenaga kesehatan, termasuk

bidan (Delima, 2011).

2.7.2 Pengertian Tes IVA

Tes IVA adalah metode pemeriksaan dengan mengoles serviks atau leher

rahim dengan asam asetat kemudian diamati apakah ada kelainan seperti area

berwarna putih. Jika tidak ada perubahan warna, maka dapat dianggap tidak ada

infeksi pada serviks (Kartikawati, 2013).

2.7.3 Tujuan Tes IVA

Untuk melihat adanya sel yang mengalami displasia sebagai salah satu

metode skrining kanker mulut rahim (Rasjidi, 2009).

2.7.4 Kelebihan Tes IVA

Menurut Delima (2011), ada beberapa kelebihan Tes IVA diantaranya

sebagai berikut:

1. Mudah, praktis dan sangat mampu dilaksanakan.

2. Sensivitas dan spesifikasitas cukup tinggi.

3. Dapat dilaksanakan oleh tenaga kesehatan bukan dokter ginekologi, dapat

dilakukan oleh bidan di setiap tempat pemeriksaan kesehatan ibu atau

dilakukan oleh semua tenaga medis terlatih.

4. Alat-alat yang dibutuhkan dan teknik pemeriksaan sangat sederhana.

5. Metode skrining IVA sesuai untuk pusat pelayanan sederhana.

2.7.5 Kekurangan Tes IVA

Menurut Rahayu (2013), kekurangan Tes IVA adalah sebagai berikut:

1. Spesifisitas lebih rendah dari tes Pap (positif palsu lebih tinggi).

2. Angka hasil tes positif tinggi (10-35%).

3. Nilai Prediksi Positif untuk hasil tes positif rendah (10-30%).

4. Terapi akan berlebihan bila dilakukan skrining dan terapi sekaligus.

5. Kemampuan yang amat terbatas untuk mendeteksi lesi pada endoserviks.

2.7.6 Kontraindikasi

Menurut Rasjidi (2009), Test IVA tidak direkomendasikan pada wanita

pasca menopause dikarenakan daerah zona transional seringkali terletak di kanalis

servikalis sehingga tidak tampak dengan pemeriksaan inspikulo.

2.8 Kerangka Operasional

Gambar 2.7 Kerangka Operasional

2.9 Hipotesis Penelitian

a. Terdapat pengaruh pengetahuan terhadap motivasi Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA.

b. Terdapat pengaruh pengetahuan terhadap sikap Wanita Usia Subur (WUS)

untuk melakukan pemeriksaan IVA.

c. Terdapat pengaruh motivasi terhadap sikap Wanita Usia Subur (WUS) untuk

melakukan pemeriksaan IVA.

Analisis Jalur

LISREL AMOS

Pengetahuan Motivasi Sikap

Goodness of Fit